Oncoguide ontsluit kennis
De hoeveelheid kennis uit onderzoek in de zorg neemt exponentieel toe. Zo zijn er voor borstkanker alleen al in 2018 meer dan 10.000 wetenschappelijke artikelen gepubliceerd. Er zijn naar schatting al meer dan 100.000 publicaties over A.I. (Artificial Intelligence) algoritmen en predictiemodellen. En met de voortgang in moleculaire bepalingen en precision medicine nemen het aantal subpopulaties waarvoor richtlijnaanbevelingen worden gedefinieerd almaar verder toe. Daarnaast wordt het steeds beter mogelijk om inzichten te verkrijgen uit real world data zoals die uit de Nederlandse Kanker Registratie (NKR).
Steeds meer kennis opgesloten in vrije tekst
Momenteel berust implementatie van kennis in de zorg vooral op wat zorgprofessionals ‘weten’. In de dagelijkse praktijk wordt beschikbare kennis zelden expliciet geraadpleegd. Van de duizenden wetenschappelijke publicaties over gevalideerde predictiemodellen worden er nog geen handvol gebruikt. Hetzelfde geldt voor inzichten uit real world data. Daarom missen patiënten mogelijk gepersonaliseerde zorg op basis van de nieuwste inzichten.
Het traditionele model waarbij kennis uitsluitend in de vorm van vrije tekst via wetenschappelijke publicaties en richtlijnen beschikbaar komt beperkt de mogelijkheden om deze snel in te zetten in de zorg. Immers, een gevalideerd predictiemodel waarvoor alleen een publicatie bestaat is daarmee nog niet toegankelijk en bruikbaar in de dagelijkse praktijk.
FAIR principes toepassen op kennis
Door toepassing van de FAIR principes kan kennis via beslisondersteuningsystemen (decision support) effectiever toegankelijk worden gemaakt voor toepassing in de zorg. FAIR staat voor vindbaar (Findable), toegankelijk (Accessible), interoperabel (Interoperable) en herbruikbaar (Re-usable).
Samen met partners, zorg- en ict-professionals ontwikkelde IKNL een methode om de kennis uit bijvoorbeeld richtlijnen, predictiemodellen, indicaties voor innovatieve geneesmiddelen, of clinical trials FAIR te maken. Bijvoorbeeld door het weergeven van richtlijnaanbevelingen in de vorm van algoritmen (beslisbomen, zie Journal of Clinical Oncology). Door het hanteren van de FAIR principes zijn deze algoritmen voor zorgprofessionals toegankelijk in Oncoguide.
Data laten leven door FAIR en innovatie
De toepassing van de FAIR principes biedt innovatieve mogelijkheden om inzichten uit richtlijnen en data beschikbaar te maken. Oncoguide doet dat op een manier die buiten de zorg al veel wordt gebruikt. Bijvoorbeeld in navigatiesystemen. Waarbij de routekaart een kennisrepresentatie is van een stratenplan waarop op basis van de data van een individueel voertuig een routeplan wordt getoond, en op basis (historische) data van alle voertuigen de verkeersdrukte. Op een zelfde manier zijn beslisbomen in Oncoguide een kennisrepresentatie van richtlijnen. De data van de individuele patiënt wordt getoond als ‘route’ naar een specifieke aanbeveling en de data uit de NKR laat zien hoeveel en hoe soortgelijke patiënten in het verleden daadwerkelijk zijn behandeld. De toegevoegde waarde daarvan neemt toe naarmate richtlijnen complexer worden.
Centrale regie bij en door zorgprofessionals en maximale impact
Oncoguide biedt zorgprofessionals de mogelijkheid om onafhankelijk van IKNL, leveranciers of andere partijen hun eigen richtlijnen, onder eigen regie en voorwaarden te ontwikkelen, beheren en beschikbaar te stellen. Door toepassing van de FAIR-principes en gebruik van landelijke informatiestandaarden kan Oncoguide via een zogenaamde webservice gekoppeld worden aan andere systemen zoals het epd of Apps voor shared decision making. Op die manier blijft de regie en kwaliteitscontrole centraal bij de zorgprofessionals.
Oncoguide en Artificial Intelligence (A.I.)
De eerste generatie A.I. waren regel-gebaseerde systemen. De generatie A.I. die nu veel in het nieuws is, zijn systemen die van data leren.
Regel-gebaseerde systemen hebben hun waarde buiten- én binnen de zorg getoond. Bijvoorbeeld ten behoeve van signalering van allergieën of contra-indicaties voor medicijnen. Er is echter ook kritiek op deze systemen omdat beheer van de “regels” veel onderhoud vergt. Lerende systemen hebben dat probleem in principe niet. Daarentegen kunnen lerende systemen de bias in real word data waarvan ze leren, verder versterken met mogelijk nadelige gevolgen voor sommige patiënten(groepen). Om die reden is er momenteel veel aandacht voor controle op lerende systemen en verantwoorde A.I. Die controle kan via regels.
Oncoguide kiest daarom een hybride benadering. Hierbij zijn de beslisbomen de regels die het systeem voeden. Maar door koppeling met de NKR kunnen de regels door experts worden gevalideerd en verbeterd door te leren van inzichten uit data. Ook het gebruik van uit data geleerde predictiemodellen in Oncoguide wordt door zorgprofessionals zelf bepaald, door ze op te nemen in een beslisregel.
Samenwerking
Voor de ontwikkeling, continue verbetering, toepassing en evaluatie van Oncoguide werkt IKNL binnen en buiten Nederland samen met zorg- en ict-professionals en andere partners. De onderliggende technologie is toepasbaar en toegankelijk voor gebruik buiten de oncologie en Nederland.
De V&VN en PZNL maken al gebruik van de technologie voor richtlijnen voor verpleegkundige en palliatieve zorg. Met de NCCN werkt IKNL samen aan de doorontwikkeling van Oncoguide en het beschikbaar maken van NCCN richtlijnen.
Voor de ontwikkeling van beslisbomen op basis van richtlijnaanbevelingen werkt IKNL samen met multidisciplinaire werkgroepen, zoals NABON, HOVON, NVOG/WOG, LWNO en andere.
Voor de koppeling van Oncoguide met epd’s werkt IKNL samen met ziekenhuizen, zorgprofessionals en epd-leveranciers. Onder andere met het Jeroen Bosch Ziekenhuis (Chipsoft), Amsterdam UMC (EPIC). Daarnaast is het voor alle leveranciers van informatie of beslisondersteuningssystemen mogelijk te koppelen met Oncoguide.
